Importación de datos y limpieza

Población de países del Banco Mundial

Vamos a importar los datos world_bank_pop.csv. Lo primero siempre es cargar las paqueterías necesarias.

library(tidyverse)
library(lubridate)
library(patchwork)
library(tidyquant)
library(plotly)

Vamos a cargar los datos. Para que sea más fácil y reproducible su R Notebook, es necesario que estén guardados dentro de la carpeta en donde se encuentra su proyecto.

wb_pop <- read_csv("data/world_bank_pop.csv")

Parsed with column specification:
cols(
  .default = col_double(),
  country = col_character(),
  indicator = col_character()
)
See spec(...) for full column specifications.

wb_pop

Vemos que los datos no están limpios.

Lo primero que tenemos que hacer es pasar los años a filas. Usaremos pivot_longer() de la paquetería tidyr.

wb_pop_long <-  wb_pop %>% 
  pivot_longer(cols = -c(country, indicator),
               names_to = "año", values_to = "valor"
               ) %>%
  mutate(año = as.integer(año))
wb_pop_long

Ahora queremos pasar los indicadores a columnas distintas.

wb_pop_long %>% 
  pivot_wider(names_from = indicator,
              values_from = valor)

Pudimos haber hecho estos dos pasos en uno solo, con ayuda de los pipes (%>%).

wb_pop_tidy <- wb_pop %>% 
  # primero pasamos los años a filas
  pivot_longer(cols = -c(country, indicator),
               names_to = "año", values_to = "valor"
               ) %>% 
  # cambiamos los años para que sean números enteros
  mutate(año = as.integer(año)) %>% 
  # ahora pasamos los indicadores a columnas
  pivot_wider(names_from = indicator,
              values_from = valor) %>% 
  # cambio la variable country a factores
  mutate(country = as_factor(country))
wb_pop_tidy

Si quisiéramos ver solo los datos para México, podemos usar filter().

Para quedarnos solo con datos de México:

wb_pop_tidy %>% 
  filter(country == "MEX")

Para quedarnos con datos de México y solo las variables de año y población urbana total:

wb_pop_tidy %>% 
  filter(country == "MEX") %>% 
  select(año, SP.URB.TOTL)

Ahora, si quisiéramos todas las variables, menos SP.URB.TOTL, para México y Brasil:

wb_pop_tidy %>% 
  filter(country %in% c("MEX","BRA")) %>% 
  select(-SP.URB.TOTL)

Si queremos deducir cuál es la población rural por país, tendríamos que agregar una nueva variable. Lo haremos con mutate().

wb_pop_tidy %>% 
  filter(country %in% c("MEX","BRA","CAN")) %>% 
  mutate(pob_rural = SP.POP.TOTL - SP.URB.TOTL)

Si quisiéramos saber el % de la población que vive en las zonas rurales, podríamos hacerlo igualmente con mutate().

wb_pop_tidy <-  wb_pop_tidy %>% 
  filter(country %in% c("MEX","BRA","CAN")) %>% 
  mutate(pob_rural = SP.POP.TOTL - SP.URB.TOTL,
         pct_rural = pob_rural / SP.POP.TOTL,
         pct_urbana = 1 - pct_rural)
wb_pop_tidy

Vamos a graficar el crecimiento de la población total a lo largo del tiempo.

g <- ggplot(data = wb_pop_tidy, aes(x = año, color = country))

g + geom_line(aes(y = SP.POP.TOTL))

Podemos utilizar una escala logarítmica en el eje y para visualizar mejor los datos.

g + geom_line(aes(y = SP.POP.TOTL)) + scale_y_log10()

g + geom_line(aes(y = pct_rural)) +
  geom_line(aes(y = pct_urbana))

g + geom_line(aes(y = pct_rural)) +
  geom_line(aes(y = pct_urbana)) +
  facet_wrap(~ country)

p1 <- g + geom_line(aes(y = pct_rural)) +
  theme(legend.position = "none")

p2 <- g + geom_line(aes(y = pct_urbana)) + 
  theme(legend.position = "none")

p3 <- g + geom_line(aes(y = SP.POP.TOTL)) + scale_y_log10()

p1 + p2 + p3

p1 / p2 /p3

p3 / (p1 + p2) + 
  plot_annotation(title = "Acomodando varias gráficas con patchwork",
                  subtitle = "Población total y evolución de la población urbana y rural")

Ventas de autos totales en EEUU

autos <- tq_get("TOTALNSA", get = "economic.data",

Warning messages:
1: In readChar(file, size, TRUE) : truncating string with embedded nuls
2: In readChar(file, size, TRUE) : truncating string with embedded nuls
3: In readChar(file, size, TRUE) : truncating string with embedded nuls
4: In readChar(file, size, TRUE) : truncating string with embedded nuls
5: In readChar(file, size, TRUE) : truncating string with embedded nuls
6: In readChar(file, size, TRUE) : truncating string with embedded nuls
7: In readChar(file, size, TRUE) : truncating string with embedded nuls

                from = "1977-01-01")
autos

Vamos a quitar la variable symbol que no nos aporta información relevante (con select()), y vamos a renombrar la variable price para que se llame ventas.

autos <- autos %>% 
  select(-symbol) %>% 
  rename(ventas = price)
autos

autos %>% tail()

p <- autos %>% 
  ggplot(aes(x = date, y = ventas)) +
  geom_line()

ggplotly(p)

Esta gráfica nos muestra que la serie presenta una fuerte estacionaliadad

p <- autos %>% 
  ggplot(aes(x = date, y = ventas)) +
  geom_line()

ggplotly(p)

Agregando líneas y etiquetas para mostrar las crisis.

p + 
  geom_vline(xintercept = ymd("2008-10-01"),
             linetype = "dashed", color = "red",
             size = 1.5) +
  geom_vline(xintercept = ymd("2020-03-01"),
             linetype = "dotted", color = "darkgreen",
             size = 1.5) + 
  annotate("label", x = c(ymd("2008-10-01"),
                            ymd("2019-07-01")),
             y = c(1750,1700), label = c("Inmobiliaria '08", "COVID-19"), color = "blue", size = 3)

p + geom_hline(yintercept = max(autos$ventas),
               linetype = 4, size = 1.2, color = "purple") +
  geom_hline(yintercept = min(autos$ventas),
             linetype = 5, size = 1.2, color = "turquoise1") +
geom_hline(yintercept = mean(autos$ventas), 
           linetype = 8, size = 1, color = "orchid2")